MétaCan
Menu
Retour à la cohorte
Enregistrement W2120031946 · doi:10.1177/0162243909345835

Locating Scientific Citizenship: The Institutional Contexts and Cultures of Public Engagement

2010· article· en· W2120031946 sur OpenAlexaff
Karen Bickerstaff, Irene Lorenzoni, Mavis Jones, Nick Pidgeon

Notice bibliographique

RevueScience Technology & Human Values · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensDalhousie University
Organismes subventionnairesWellcome Trust
Mots-clésCitizenshipReflexivityContext (archaeology)Public relationsNegotiationSociologyElement (criminal law)DemocracyPolitical sciencePublic engagementNoveltySocial scienceLawPolitics

Résumé

récupéré en direct d'OpenAlex

In this article, we explore the institutional negotiation of public engagement in matters of science and technology. We take the example of the Science in Society dialogue program initiated by the UK’s Royal Society, but set this case within the wider experience of the public engagement activities of a range of charities, corporations, governmental departments, and scientific institutions. The novelty of the analysis lies in the linking of an account of the dialogue event and its outcomes to the values, practices, and imperatives—the institutional rationality—of the commissioning organization. We argue that the often tacit institutional construction of scientific citizenship is a critical, and relatively undeveloped, element of analysis—one that offers considerable insight into the practice and democratic implications of engaging publics in science and science policy. We also present evidence indicating that over time the expanding ‘‘capacities’’ associated with dialogue can act in subtle ways to enroll other elements of institutional architectures into more reflexive modes of thinking and acting. In the concluding section of the article, we consider the ways in which research and practice could (and we believe should) engage more squarely with facets of institutional context and culture.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,046
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil0,242

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,061
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0170,103
Communication savante0,0320,024
Science ouverte0,0030,026
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,347
Tête enseignante GPT0,466
Écart entre enseignants0,119 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations76
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience Technology & Human ValuesMême sujetClimate Change Communication and PerceptionTravaux en français237 207